基于LS-SVM的时空变系数回归模型算法及仿真

时空模型在涉及时空数据的自然科学以及社会科学各个领域都有着重要的研究价值。然而,目前广泛应用的绝大部分传统的时空模型存在假设前提较为严格,灵活性及适应性较差的缺点。提出的模型通过将LS-SVM估计算法应用在时空变系数模型并构造相应的时空核函数,实现机器学习算法较高的灵活性及适应性的同时又保留了传统回归框架的可解释性。仿真结果表明,上述模型对于复杂时空回归系数以及误差项方差的估计能力较为精准且稳定,在时空线性及非线性趋势混合的情形下,依然能较为准确地还原真实的系数曲面。

时空变系数半参数模型的轮廓最小二乘估计

就时空变系数半参数模型进行研究,给出了该类模型的轮廓最小二乘估计方法,得到模型中时空变系数及常值系数估计的解析表达式,并进行数值模拟予以验证.结果表明,常系数的估计具有无偏性,响应变量估计值与真实值拟合程度较好,相对误差较小.